Respuesta directa: empieza por una categoría, los atributos que cambian una decisión de compra y las fuentes que permiten comprobarlos. Contrata extracción, normalización, revisión y publicación, no un lote de descripciones generadas. Separa preparación e integración iniciales del costo recurrente de procesar cambios y resolver excepciones. Amplía cuando los datos correctos lleguen a los filtros, fichas y canales que realmente los utilizan.
Después de descubrir que la búsqueda no encuentra productos disponibles, hay que decidir cuánto trabajo de catálogo financiar. Corregir unas fichas manualmente, configurar herramientas existentes y construir una operación repetible son alternativas distintas. Este proyecto trabaja antes del ranking y las recomendaciones: convierte especificaciones y documentos en atributos utilizables, sin ocultar lo desconocido. Una descripción convincente no arregla una variante incompatible.
Delimita la decisión de compra, no todo el catálogo
Elige una categoría con demanda observable y una fricción concreta: no se pueden filtrar dimensiones, comparar materiales o identificar el modelo compatible. Shopify documenta atributos asociados a categorías y definiciones de metafields con validaciones comunes. Son dos decisiones diferentes: qué información necesita la categoría y qué valores admite el campo. Definirlas no obliga a cambiar de plataforma.
- Usa una hoja de alcance con una fila por atributo y variante relevante.
- Decisión del comprador: qué comparación, filtro o pregunta resuelve el campo.
- Fuente autorizada: fabricante, ficha técnica, registro validado u otro documento identificable.
- Definición: significado, unidad, valores permitidos, país y herencia entre producto y variante.
- Destino: ficha, índice de búsqueda, feed o recomendador que consumirá el valor.
- Aceptación: evidencia, responsable, prueba y comportamiento cuando falte el dato.
Excluye campos sin consumidor real. Un atributo completo en el PIM pero ausente del filtro o la ficha puede no mejorar ninguna compra. Distingue dimensiones del producto y del embalaje, capacidad y potencia, color comercial y material. Conserva desconocido, no aplicable y en conflicto como estados diferentes. Llenar todas las casillas con suposiciones aumenta el riesgo en lugar de reducirlo.
Separa cuatro trabajos bajo la palabra enriquecimiento
- Extraer: localizar información explícita y asociarla con el modelo y la variante correctos.
- Normalizar: convertir unidades, formatos o vocabulario mediante reglas reproducibles, conservando el original.
- Clasificar: proponer una categoría o valor permitido y enviar ambigüedades a revisión.
- Redactar: expresar hechos aprobados en texto útil sin añadir prestaciones o promesas nuevas.
La IA puede ayudar a leer documentos y proponer clasificaciones. Conversiones de unidades y validaciones de tipo suelen requerir reglas, no generación. Akeneo documenta configuraciones con atributos y archivos de contexto, además de una vista previa antes de automatizar; disponer de esa función no prueba cada valor. Revisa primero las herramientas contratadas. Un flujo dedicado tiene sentido cuando fuentes, reglas o destinos superan lo que puede operarse con configuración y trazabilidad.
Ejemplo regional: un modelo no es la misma oferta en todos los países
Imagina un pequeño electrodoméstico vendido por distribuidores en varios países. El nombre de familia puede coincidir, pero cambian variante eléctrica, accesorios incluidos o documentación comercial. No copies la especificación de un país a todos ni inventes una certificación porque aparece en una fotografía. Si solo hay dimensiones del embalaje, el tamaño del producto queda pendiente de confirmación. Es un ejemplo hipotético, no un caso de cliente.
Cada propuesta necesita identificador de fuente, versión o fecha, fragmento o página de evidencia, valor original, valor normalizado y aprobación. Ante discrepancias entre fabricante y distribuidor, usa una prioridad de fuentes acordada o deriva la excepción al responsable. El vocabulario puede localizarse; un hecho técnico no debe cambiar con la traducción. Precio, inventario y promesa de entrega siguen viniendo de los sistemas comerciales responsables.
Calcula trabajo aprobado, no texto producido
El esfuerzo combina preparación fija, integración y pruebas, procesamiento de fuentes, revisión humana, corrección y operación continua. El costo por mil SKU oculta diferencias de variantes, documentos y campos. Mide costo por atributo aprobado y publicado y por producto listo para la decisión elegida. Separa datos compartidos por familia de datos específicos para no contabilizar varias veces la misma validación.
Ejemplo exclusivamente ilustrativo: 2.000 variantes con ocho campos candidatos implican hasta 16.000 verificaciones antes de deduplicar datos compartidos. Si el piloto mide 25% de excepciones y tres minutos por excepción, solo la revisión requiere 200 horas: 16.000 × 25% × 3 ÷ 60. No es benchmark ni pronóstico. Sustituye supuestos por observaciones de la muestra y añade QA de los registros aceptados automáticamente.
Valora las horas con el costo completo del equipo en la moneda presupuestaria y explicita supuestos cambiarios si las licencias se pagan en otra moneda. Añade procesamiento, OCR cuando haga falta, integración, monitoreo y mantenimiento. Compara con corrección manual y funciones ya pagadas. Capacidad liberada, ahorro efectivo y posible conversión adicional son beneficios distintos: no los sumes dos veces. Una llamada barata al modelo puede crear una revisión cara.
Un piloto de seis semanas con responsables y entregables
- Semana 1: elegir categoría y decisión; auditar fuentes, variantes, definiciones y errores actuales.
- Semana 2: construir muestra representativa y respuestas revisadas por especialistas, con documentos deficientes, conflictos y ausencias.
- Semana 3: ejecutar extracción y reglas en modo sombra, sin escribir en el catálogo público.
- Semana 4: medir errores por campo, ajustar revisión y probar publicación y reversión en condiciones seguras.
- Semana 5: publicar un lote aprobado y comprobar ficha, filtro, índice y feed; registrar rechazos.
- Semana 6: revisar costo por dato aceptado, capacidad de revisión y evidencia comercial; ampliar, acotar o corregir la fuente.
El tamaño de muestra y la ventana comercial dependen del volumen y del riesgo; seis semanas no garantizan significancia. Catálogo y comercial aprueban significado y fuentes. Ingeniería mantiene mapeos, importación y reversión. Marketing define la decisión y mide resultados. Especialistas validan atributos sensibles. Un socio puede implementar, pero la empresa debe designar quién resuelve conflictos y mantiene el flujo después del piloto.
Formato válido no significa dato verdadero ni venta adicional
Separa cobertura de campos necesarios, precisión factual en muestra independiente, errores de variante, consistencia de unidades, trazabilidad y llegada al destino. Fija tolerancias según consecuencia antes de evaluar. Compatibilidad, seguridad y afirmaciones reguladas requieren validación especializada; la confianza del modelo no sustituye evidencia. Conserva el valor aprobado anterior y un registro de cambios por lote para poder revertir.
Google documenta product_detail como información técnica estructurada. Enviarlo correctamente no garantiza exposición ni ventas. Mapea cada destino en lugar de copiar un bloque de texto a todos. Cuando exista volumen, compara la experiencia enriquecida con la anterior mediante un diseño válido, observando búsquedas completadas, conversión y contribución, además de consultas de soporte y devoluciones. Si cambian precios, medios o inventario al mismo tiempo, explicita el límite de atribución.
El diagnóstico de búsqueda está en https://makinai.co/insights/es/ia-busqueda-interna-ecommerce-productos-no-encontrados-conversion. El catálogo también alimenta recomendaciones en https://makinai.co/insights/es/ia-recomendaciones-productos-ecommerce-conversion-margen, pero la disponibilidad sigue siendo un flujo distinto, explicado en https://makinai.co/insights/es/ia-marketing-inventario-medios-crm.
Lleva una categoría, una muestra de fichas autorizadas y la decisión de compra que hoy falla a una conversación con MAKINAI en https://makinai.co/services/es/consultoria-crm-ecommerce-commerce. Podemos ayudar a definir campos, destinos, revisión e inversión antes de ampliar tecnología. La hoja de alcance, el cálculo y el piloto son recomendaciones editoriales: no son cotizaciones, resultados de clientes ni garantías de conversión.